圣塔菲人工股票市场
人工股票市场是布莱恩?阿瑟在圣塔菲研究所主持的重要项目，它的宗旨在于能否用简单的规则在计算机上模拟出现实股票市场的运动现象，这个仿真实验的结果令人惊叹。
人工股票市场的基础设定是这样的：市场中充满了行为各异的“人工模拟投资主体”，即小型计算机程序（智能体Agent），这些程序会根据市场数据和初始策略提出自己的预测，然后执行交易，反复循环，并且不断根据交易效果和市场变化修正自己的策略和预测，也就是说这些程序有探索行为和自适应性，会累积经验并进化，和现实中交易人行为几乎一样。
所有 Agent 共享相同初始财富、相同效用函数、相同学习速度、相同策略池容量，市场启动起始时，每个 Agent 的预测规则集（expectational models）是随机初始化的，但规则生成机制、参数空间、进化算法完全一致，也就是说模型设计刻意从同质起点出发。
第一个令人惊叹的现象：在慢速探索中（交易人平均每1000期调用一次遗传算法），市场进入了稳定的理性预期均衡，也就是有效市场态，交易行为趋于同质化；在适中速度探索中（交易人平均每250期调用一次遗传算法），市场行为明显偏离了理性预期均衡的基准，真实金融市场中的泡沫和崩溃特征都被观察到了。
第二个令人惊叹的现象：在中高速探索实验中，初始同质的交易者，在学习与策略竞争中自发分化为基本面派、趋势派、噪声交易者等，异质性成为市场稳态，不会趋同消失，同时出现了贫富分化，少数人长期赚钱，多数人长期亏钱，收益极度不均，财富趋向集中。更有趣的是，不同派别中都存在长赢和长亏者，比例也没有明显差异。
第一个现象说明，有效市场假说只是复杂经济现实的一个慢速子集，它并没有错，只不过大多数经济系统都处于中高速探索状态，不可能收敛，只会不断进化，犹如生物进化一般无二。
第二个现象反映了金融市场的真实面貌，圣塔菲模型第一次在计算机上复现了现实股市中的贫富分化现象，证明这不是人性坏，不是阴谋，不是有意掠夺，而是复杂系统的自然结果。
那么这就引出一个更深层次的问题：如果存在长期稳定赚钱的赢家，而策略又会被传播并且被学习，那么其他人都学会之后岂不是趋向策略同质化，形成一种套利理性，最后抹平市场？也就是说，假如贫富分化是一种必然现象，那么市场内部的交易人异质性是如何保持的？
圣塔菲研究给出的结论是：即使赢家策略可以被学习、被复制，市场也永远不会完全同质化、不会被套利抹平，异质性会内生维持下去。
1、策略如果被大量复制，就会自动失效，失效会催生新的策略选择；
2、长期赢家不是依赖固守一个策略，而是不断进化策略的能力；
3、圣塔菲模型中的长期赢家，是一类坚持生态位+细节自适应的Agent；
什么是生态位？生态位就是高维原则，是哲学不变而不是策略不变，是 “你愿意承受别人不愿承受的东西”。这就会导致生态位长期供给不足，所以长期存在超额收益。
比如巴菲特的价值投资，不变的是安全边际、现金流思维、长期视角、风险控制、不预测市场，变的是具体选股、估值方法、行业选择；巴菲特的生态位是：长期、低换手、充裕现金流、安全边际、逆市场情绪，这个生态位拥挤吗？完全不拥挤，为什么？因为人性固有：
- 没耐心
- 不接受回撤
- 追热点
- 喜欢预测
- 喜欢短线
再比如趋势跟踪的生态位，不变的正是复杂系统的必然：趋势本身是市场内生的，永恒的结构，变的是产业迭代、技术创新、经济周期、企业兴衰。只要投资者是归纳推理、异质、学习滞后，市场必然出现：反应不足 → 趋势延续 → 反应过度 → 泡沫 / 反转，这是循环往复、永不消失的路径。绝大多数人在心理上无法占据趋势生态位，趋势策略的核心成本是：
- 频繁假突破止损（连续小亏）
- 大趋势中途剧烈震荡（拿不住）
- 长时间无趋势（无聊、怀疑）
- 反转时大幅回吐（心理崩溃）
- 这些都是极高心理成本。
每一种生态位都有多数人很难逾越的壁垒，这就是为什么交易者要选择适合自己的生态位，在生态位上建立和坚持信念。
圣塔菲实验里，能长期跑赢的 Agent，不会死守一条规则，而是有一套稳定的核心偏好（高维不变）、风险偏好、时间视野、基本信念，但底层预测规则持续进化（低维自适应），不断淘汰失效规则，不断生成新规则，永远保持少量有效规则，这种 Agent 在模型里叫：稳定生态位占据者（Stable Niche Agent），它们不会被淘汰，也不会趋同，因为别人学的是它的具体买卖点（低维），但它真正强的是高维结构与适应速度（学不走）。
圣塔菲人工股票市场（SFI-ASM）是行为金融学与复杂系统科学结合的里程碑式计算模型，是复杂经济学、演化证券学、行为金融学的核心实验平台，直接影响了后来的多 Agent 市场模型与算法交易研究，其核心贡献与意义有：
- 统一两种市场观：证明有效市场/ 复杂市场是同一模型的不同参数状态，而非互斥理论。
- 解释现实异象：首次在计算模型中内生产生泡沫、崩盘、技术交易、波动聚集等 EMH 难以解释的现象，为行为金融与复杂经济学提供可复现的实验证据。
- 方法论突破：开创基于 Agent 的计算金融学（ABCF），成为研究市场微观结构、投资者行为、政策模拟的主流工具。后续有多个改进版（如 Ehrentreich 2008 修正版），并被广泛用于高频交易、监管政策、ESG、加密货币等场景的模拟。